特邀Pablo A. Estevez与Carlos A. Coello教授作学术报告

学院荣幸邀请到智利大学Pablo A. Estevez教授和墨西哥国家理工学院研究与高级研究中心Carlos Artemio Coello教授带来两场精彩的学术报告，欢迎广大师生踊跃参加！

报告一：

An Overview of Evolutionary Multi-Objective Optimization

报告人简介：

Pablo A. Estevez，智利大学电气工程系教授，于1981年获智利大学电气工程学士学位，1992年和1995年分别获东京大学硕士和博士学位。曾任IEEE计算智能学会主席（2016-2017），目前担任《IEEE Transactions on Artificial Intelligence》杂志副主编，曾任《IEEE Transactions on Neural Networks》副主编（2007-2012）。曾任多个国际会议主席或共同主席，包括国际神经网络联合会议（IJCNN 2016）和IEEE世界计算智能大会（WCCI 2018）。担任Millennium Institute of Astrophysics和Millennium Institute for Intelligent Healthcare Engineering的首席研究员，以及精准与先进细胞治疗干预医学IMPACT中心的兼职研究员。曾担任日本京都NTT通信科学实验室和巴黎高等师范学院的特邀研究员以及Pantheon-Sorbonne大学和日本东京大学的客座教授。他已合作发表学术论文150余篇，研究领域包括机器学习、深度学习、信息论以及相关理论在天文学、医学和能源领域的应用。

时间：2026年3月3日（周二）上午8:45

会议链接：https://us04web.zoom.us/j/77046258358?pwd=othXGZPUvBWpXgLwew1STu6dbHOXvM.1

会议ID：770 4625 8358

密码：906358

摘要：Multi-objective optimization refers to solving problems having two or more (often conflicting) objectives at the same time. Such problems are ill-defined and their solution is not a single solution but instead, a set of them, which represent the best possible trade-offs among the objectives. Evolutionary algorithms are particularly suitable for solving multi-objective problems because they are population-based, and require little domain-specific information to conduct the search. Due to these advantages, the development of the so-called multi-objective evolutionary algorithms (MOEAs) has significantly increased in the last 15 years. In this talk, we will provide a general overview of the field, including the main algorithms in current use as well as some of the many applications of them.

报告二：

Multimodal Learning with Transformers and Large Language Models in Medicine and Astronomy

报告人简介：

Carlos Artemio Coello是墨西哥国家理工学院研究与高级研究中心（CINVESTAV-IPN）计算机科学系的杰出全职教授，拥有该机构最高级别的科研人员头衔（Investigador Cinvestav 3F），于1996年在美国杜兰大学获得计算机科学博士学位，主要研究基于生物启发元启发式算法的多目标优化，是该领域的先驱之一。他已发表600余篇学术论文，包括230多篇期刊论文，总被引超过82,000次，h-index达109。目前担任《IEEE Transactions on Evolutionary Computation》主编。

Coello教授荣获多项国际顶级奖项，包括2013年IEEE Kiyo Tomiyasu奖、2016年第三世界科学院（TWAS）工程科学奖、2021年IEEE计算智能学会进化计算先驱奖、2023年ACM SIGEVO杰出贡献奖，以及2024年国际多准则决策制定协会Pareto-Edgeworth奖。此外，他还获得墨西哥国家科学与艺术奖（2012年）、墨西哥科学院国家研究奖（2007年）等重要荣誉。他的主要方向包括进化多目标优化和约束进化优化。

时间：2026年3月4日（周三）上午8:45

会议链接：https://us06web.zoom.us/j/79071235017?pwd=BbmJskAko3xab9nmdyKLGjaXmbnhZe.1

会议ID：790 7123 5017

密码：906358

摘要：This talk is about multimodal learning and large language models (LLMs) applied to astronomy and medicine. We will present a transformer-based model for time series and tabular data, and LLMs for the text-to-SQL parsing task, both in astronomical applications. Next, we will introduce a multimodal deep learning for the early detection of Alzheimer´s Disease, and a multimodal LLM (text + images) for generating medical reports.